心理基礎：
遊戲特定：
相關資料
emergent tool use from multi-agent autocurricula
實施方案
角色屬性2：移動速度mov_spd，每秒移動的格仔數
角色技能1：近程攻擊
角色技能：遠端攻擊
角色每秒可以進行一次操作：移動或者攻擊
角色1屬性：近程攻擊，移動速度1
角色2屬性：遠端攻擊，移動速度0.5
角色3屬性：沒有攻擊技能，移動速度5
技能和移動都有對應的序列幀動畫
角色不能移動到水域的格仔上
乙個格仔只能有乙個角色
玩家可以付費增加某種角色的數量，數量越多，這個角色的學習速度越快。系統會自動保持場景裡面每種角色一定的數量。
玩家可以付費修改地圖格仔的屬性
遊戲顯示每個角色的平均生存時間
基於模型的強化學習
1 在model based rl裡，雖然學習mdp模型可以提高強化學習的效率，但是如果模型誤差較大可能導致學不到較好的策略，這個問題一般怎麼解決？如果模型學習的不夠精準，那就只能用很短很短的rollout來做planning。例如q planning就是1步的rollout，這樣並不能特別高的提公...
RL（九）基於策略的強化學習
前面的演算法都是基於價值來算的，但是當處理連續動作的問題時，就顯得力不從心了，因為我們需要求的q錶太大，根本無法滿足我們的需要。前面我們在演算法分類的時候也講過，我們可以按基於價值和基於策略的方式來給rl分類，所以這篇部落格就是用基於策略演算法來求解強化學習問題。值函式近似法 在值函式近似法中，動作...
《強化學習》基於取樣迭代優化agent
前面介紹了三種取樣求均值的演算法 mc td td lamda 下面我們基於這幾種方法來迭代優化agent 傳統的強化學習演算法 已經知道完整mdp 使用價值函式v s 沒有給出完整mdp 使用價值函式q s，a 可見我們的目標就是確定下來最優策略和最優價值函式 有完整mdp 用dp解決複雜度較低 ...